A quasi 60 anni dal loro debutto, i Beatles continuano a stupire con nuova musica. Poche ore fa è stata pubblicata "Now and Then", la prima nuova canzone della band dal 1995, realizzata grazie all'ausilio di tecnologie di intelligenza artificiale.

Il brano è stato costruito a partire da un provino risalente agli anni '70 di John Lennon, completato negli anni '90 con l'aggiunta di alcune parti di chitarra di George Harrison. Paul McCartney e Ringo Starr. Costoro hanno poi ultimato il brano nei mesi scorsi, con l'aiuto di un software capace di isolare la voce di Lennon dal pianoforte, permettendo così di creare un arrangiamento moderno attorno alla linea vocale originale.

Il risultato è un brano dal sapore vintage, ma dal suono moderno perfettamente in linea con l'eredità artistica della band.

la tecnologia AI ha permesso di realizzare il sogno di completare una canzone rimasta incompiuta da decenni.


https://www.youtube.com/watch?v=Opxhh9Oh3rg

...vabbè, ne prendiamo atto.
Ma che c'entra con i treni???
Non andiamo OT per cortesia.
Discografici saluti

#AI #IA #intelligenzaartificiale #FS #ferrovie

UN MODELLO PER LA PESA DINAMICA DEI TRENI, SVILUPPATO DA ARAMIX

Machine Learning e modelli predittivi di AI per ottimizzare processi ed esplorare rischi associati a scenari inediti in ambito dei trasporti. Ecco un modello di intelligenza artificiale in grado di pesare i treni in maniera dinamica, ovvero al loro passaggio su rotaia
Lo ha sviluppato Aramix, player specializzato in AI e modelli di data science descrittivi, predittivi e prescrittivi per migliorare l’efficienza dei processi gestionali e industriali.

AI nel settore del trasporto:
una soluzione per la pesa dinamica del treno
Aramix, appartenente al gruppo Datrix, è una realtà specializzata nello sviluppo di algoritmi e modelli per l’analisi delle performance di sistemi e componenti industriali, è riuscita con entrambi i progetti a sviluppare framework innovativi, in grado di fornire output anche in mancanza di dati e in scenari complessi e ancora poco noti nel mondo reale e in letteratura. La soluzione, tramite modelli di Machine learning, è in grado di effettuare una pesa dinamica del treno. L’attività di pesa del treno viene ancora eseguita in maniera statica, attraverso cioè un processo oneroso in termini di tempo ed efficienza.
La pesa statica viene infatti effettuata su binari appositi, presso cui il treno deve stazionare durante tutto il processo. Questo comporta una deviazione del mezzo e richiede diverso tempo di stallo per la pesatura. Per questo motivo è un processo che non viene effettuato molto spesso.
“La stima del peso del treno viene fatta in modo qualitativo, cioè si fa riferimento a quanto dichiara il cliente, ovvero l’azienda che trasporta la merce” afferma Michele Compare, CTO di Aramix.
Le principali variabili che definiscono il costo del trasporto su rotaia sono l’orario, il traffico sulla tratta, la durata e il peso complessivo. Il peso rappresenta un fattore di costo importante perché influisce sull’usura delle rotaie e la quantità di energia necessaria a muovere il mezzo, oltre che avere un impatto sulla sicurezza dell’infrastruttura. “Ci sono delle norme per quanto riguarda i pesi che può sopportare un’infrastruttura. Per esempio, non si può trasportare oltre un certo valore di peso per asse, per non sollecitare eccessivamente il binario – spiega Compare. “Nasce da qui l’esigenza di sviluppare un processo di pesa dinamica, veloce ed efficiente, in grado di pesare il treno durante il transito sui binari”.
La soluzione, sviluppata in collaborazione con il committente, si propone quindi di ottimizzare il processo di rilevazione del peso di un treno, rendendo di fatto possibile la pesa del mezzo al passaggio sulla rotaia.
Per realizzare tale soluzione ci si è avvalsi di sensori installati dal committente, gestore della rete ferroviaria, sviluppati attraverso un processo di lavoro sinergico fra le due aziende.
Aramix si è occupata quindi di realizzare l’applicativo software in grado di calcolare, attraverso i dati rilevati dai sensori, il peso del treno in transito.

Un modello di Machine Learning self-supervised
“La difficoltà maggiore per lo sviluppo di un modello di stima del peso del treno è rappresentata dai pochi dati etichettati disponibili”, afferma Compare. A fronte dei pochi dati di peso rilevati attraverso la pesatura statica, l’azienda ha a disposizione un’elevata quantità di dati non etichettati, rilevati attraverso i sensori installati su rotaia.
“Sull’infrastruttura passa circa un treno ogni 5 minuti, quindi avevamo a disposizione un gran numero di dati non etichettati, e pochi dati etichettati. Abbiamo quindi sviluppato un approccio che noi definiamo self-supervised– spiega Compare – abbiamo cioè utilizzato i dati non supervisionati per rilevare le caratteristiche del segnale e adattato queste caratteristiche ai dati supervisionati”.
Attraverso il modello di Machine learning self-supervised, Aramix è stata in grado di definire una metodologia di pesatura del treno sull’asse certificata con una classe di tipo 10.
Affinché una qualsiasi metodologia di pesa del treno possa essere applicata è necessaria infatti una certificazione, che rileva il grado di errore della nuova metodologia rispetto alla pesa statica.
La classe numerica identifica la percentuale di errore rilevato. Attualmente Aramix punta a incrementare la classe di certificazione della pesa su singola ruota.
La soluzione, ad alto valore aggiunto per i player del settore, si propone di ottimizzare un processo ad oggi costoso in termini di tempo e risorse, ma può essere applicata anche ad altri use case e a settori differenti che richiedono modelli di intelligenza artificiale in grado di mettere in relazione dati etichettati con dati non etichettati.
(Dal Sito https://www.ai4business.it/intelligenza-artificiale)

#AI #IA #intelligenzaartificiale #FS #ferrovie

UNA NUOVA ERA DI MANUTENZIONE PREDITTIVA NEL SETTORE FERROVIARIO

Considerando che il trasporto è responsabile di circa il 20 % delle emissioni di CO2, le ferrovie devono essere parte della soluzione per affrontare i problemi ambientali. Un’iniziativa dell’UE sta rendendo le operazioni ferroviarie più digitali e competitive per un futuro sostenibile.
Il progetto Andromeda, finanziato dall’UE, ha sviluppato un sistema che integra i dispositivi intelligenti dell’Internet delle cose per il settore industriale (IIoT, Industrial Internet of Things) e l’intelligenza artificiale (IA) nella prima soluzione di manutenzione predittiva completa in assoluto per le infrastrutture ferroviarie. «La ferrovia è il mezzo di trasporto motorizzato più sicuro, efficiente e sostenibile», osserva il coordinatore del progetto nonché co-fondatore e direttore amministrativo e finanziario di KONUX, Maximilian Hasler. «In generale, l’obiettivo è quello di aiutare i gestori dell’infrastruttura e gli altri soggetti interessati a migliorare la capacità e la disponibilità della rete, ad estendere la durata di vita delle risorse e a rendere più efficiente la manutenzione da parte dei dipendenti».

La prima manutenzione predittiva ferroviaria progettata per le soluzioni IA
Il sistema monitora e analizza continuamente la salute dei componenti chiave e fornisce raccomandazioni attuabili. In ultima analisi, consente una migliore pianificazione della manutenzione aiutando i gestori dell’infrastruttura ad anticipare i guasti prima che si verifichino e a conoscere il tempo e il tipo ottimale di manutenzione necessaria. In particolare, il sistema migliora la disponibilità attraverso la segnalazione tempestiva delle condizioni critiche e la manutenzione mirata. Aiuta inoltre a digitalizzare l’infrastruttura ferroviaria attraverso il monitoraggio automatizzato delle condizioni 24 ore su 24, 7 giorni su 7. L’IA può identificare e aiutare a prevenire i guasti prima che si verifichino. Un pannello di controllo fornisce una panoramica continuativa di tutti gli interruttori critici e delle loro condizioni. La soluzione riduce anche i costi di manutenzione grazie alla previsione dei guasti e ad azioni di manutenzione efficaci, aumentando la durata dei beni grazie alla manutenzione predittiva e al controllo qualità delle attività di manutenzione svolte. Un controllo della qualità in fase di manutenzione identifica quali azioni hanno avuto successo e il tempo necessario per determinare le procedure più economiche e sostenibili.

Aumentare l’affidabilità e la capacità del sistema ferroviario
I sensori ad alta precisione sono la chiave per ottenere importanti informazioni sullo stato di salute dei componenti. Per questo, il consorzio ha sviluppato un dispositivo IIoT proprietario e autonomo, ottimizzato per applicazioni di manutenzione predittiva e condizioni ambientali estreme. È completamente certificato e soddisfa i requisiti di sicurezza più avanzati. Il dispositivo può essere facilmente installato sul posto in meno di 10 minuti, un fattore fondamentale perché, grazie a questa rapidità, non disturba il regolare traffico ferroviario. L’architettura all’avanguardia rende la gestione dei dati scalabile, flessibile, reattiva e sicura. «Ci permette di passare dall’addestramento alle operazioni più rapidamente di quanto sia mai stato possibile prima», osserva Hasler. «La sua modularità ci permette di creare nuovi ambienti per i clienti in modo incredibilmente rapido e affidabile». Gli algoritmi di apprendimento automatico sono in grado di generare informazioni prima impensabili. «Ora possiamo dire ai nostri clienti come si svilupperà lo stato di salute delle loro risorse nei successivi 90 giorni con un tasso di successo superiore al 90 %», spiega Hasler. Ciò consente agli utenti finali di pianificare meglio i tempi delle procedure di manutenzione in modo da poter avere il controllo sulle loro esigenze di manutenzione e disponibilità dei beni. «Possiamo anche fornire raccomandazioni sulle tempistiche e tipologie ottimali di manutenzione necessaria misurando e confrontando l’efficacia e la sostenibilità delle diverse azioni di manutenzione che osserviamo sul posto». Migliorando la capacità, l’affidabilità e la convenienza del settore ferroviario, Andromeda contribuisce a renderlo più competitivo rispetto ad altri mezzi di trasporto meno sostenibili. Hasler conclude: «In questo modo, il progetto aiuterà i paesi a raggiungere i propri obiettivi di risparmio delle emissioni e a rendere l’esperienza dei passeggeri più affidabile, comoda e piacevole».
(Dal sito: cordis.europa.eu)

IN GERMANIA
LA DB INTRODURRÀ L'INTELLIGENZA ARTIFICIALE ANCHE SU TRENI MERCI

Deutsche Bahn sta introducendo progressivamente algoritmi d’intelligenza artificiale sviluppati internamente nella fase di programmazione dei treni, con l’obiettivo di aumentare la puntualità. Questo sistema non sostituisce l’uomo, ma lo aiuta nella gestione efficiente del traffico. In questa prima fase lo sta facendo nelle tratte urbane della rete Metropol S-Bahn di Stoccarda, Reno-Meno e Monaco di Baviera. Secondo la compagnia tedesca, nel 2022 ha evitato ritardi per complessivi 58mila minuti (quasi 967 ore). Nel 2024 il sistema sarà introdotto anche nella S-Bahn di Amburgo.
Ora Deutsche Bahn sta passando alla seconda fase, che prevede l’introduzione dell’intelligenza artificiale anche nella programmazione dei treni della rete nazionale. La prima sperimentazione è già avviata nella linea tra Elmshorn e Sylt per gestire un traffico misto di treni passeggeri e merci, sia locali, sia a lunga percorrenza. Se la sperimentazione avrà successo, il sistema sarà introdotto anche nella linea ad alto traffico tra Mannheim e Basilea.
Questo sistema si basa sulla creazione di un “gemello digitale” (Digital Twin) della rete, su cui l'algoritmo può simulare le operazioni ferroviarie molto velocemente, fino a cento volte rispetto al tempo reale, e analizzare diverse varianti di traffico. Sulla base di quest’attività dell’intelligenza artificiale, gli operatori umani ricevono suggerimenti sulle procedure da prendere per migliorare le operazioni, così da intervenire tempestivamente prima che si verifichi un intasamento. In concreto, ciò significa che si può impedire ai treni di rallentare o di fermarsi se un altro convoglio blocca una sezione di binario. Aumentano perciò puntualità e capacità dell’infrastruttura.
"Con l'intelligenza artificiale creiamo maggiore puntualità e affidabilità per i nostri clienti”, spiega Daniela Gerd tom Markotten, membro del consiglio di amministrazione della DB per la digitalizzazione e la tecnologia. “Nello stesso tempo, questo strumento semplifica il lavoro dei nostri addetti alle spedizioni e aumenta i loro compiti. In questo modo, stiamo lavorando passo dopo passo verso l'orario nazionale in tempo reale".
La compagnia precisa che l’obiettivo a lungo termine è realizzare un orario in tempo reale, che diventerà il centro di controllo digitale del traffico ferroviario tedesco: “Con l'aiuto dell'intelligenza artificiale, tutti i ritardi causati da interruzioni, lavori stradali o altri incidenti potrebbero confluire direttamente nel controllo del traffico. I processi interni saranno così accelerati e resi più efficienti dall'enorme potenza di calcolo dell'intelligenza artificiale”.
(dal Sito: trasportoeuropa.it)

Oggi, con l'intelligenza artificiale che domina il dibattito pubblico, si crede sia arrivato il momento più adatto per creare una sorta di connessione “ quasi spirituale “ tra gli esseri umani e le intelligenze artificiali.

Tuttavia molti esperti ci ammoniscono di non rischiare di antropomorfizzare eccessivamente i sistemi IA che, per quanto sofisticati, rimangono pur sempre algoritmi sintetici.

Yann Le Cun, chief scientist AI di Meta frena gli entusiasti che prevedono, nel giro di pochi anni, l'arrivo di sistemi di intelligenza artificiale dotati di capacità simili, se non superiori, all'intelletto umano, una vera e propria AGI (Artificial General Intelligence).

Un punto di vista che contrasta con quello del CEO di NVIDIA Jensen Huang, secondo cui l'IA sarà "abbastanza competitiva" con gli esseri umani entro cinque anni, superando le persone in una moltitudine di compiti mentalmente intensivi.

Jensen Huang starebbe "pompando" la situazione, in modo da spingere le società hi-tech ad investire sempre più pesantemente sull'acquisto di GPU per potenziare i loro modelli di IA.
Creare un senso di urgenza, il timore di rimanere indietro e di arrivare secondi nella scoperta di qualcosa di rivoluzionario, il tutto per incrementare gli introiti di NVIDIA.

Anziché raggiungere una AGI, (Artificial General Intelligence), secondo Le Cun arriveremo prima ad avere una IA con capacità più simili a quelle che di un cane o un gatto.
L'attuale focus dell'industria tecnologica sui modelli linguistici e di testo non sarà sufficiente a creare l'intelligenza artificiale così come ci illudono i film di fantascienza, e le nostre aspettative.

Le Cun sta quindi lavorando per rendere i modelli usati per creare servizi come ChatGPT (un nuovo strumento di OpenAI che mira a rendere l'interazione con i sistemi di intelligenza artificiale più naturale ed intuitiva, onde ottenere l'apprendimento automatico), più adatti a funzionare con una varietà di dati, tra cui audio, immagini e video.

L'obiettivo è permettere ai sistemi di intelligenza artificiale di scoprire correlazioni nascoste tra questi vari tipi di dati, in modo da sviluppare applicazioni innovative. In gergo si parla di IA multimodali, ma metterle a punto non sarà certo semplice e soprattutto sarà costoso.

Le Cun mostra un po' di scetticismo verso l'informatica quantistica, il quantum computing. "Il numero di problemi che puoi risolvere con l'informatica quantistica, li puoi risolverli in modo molto più efficiente con i computer classici".

Questo è un argomento scientifico affascinante ma mi è poco chiara la "rilevanza pratica e la possibilità di fabbricare effettivamente computer quantistici che siano effettivamente utili".

Mi è più chiara la creazione dell'intelligenza artificiale che sta facendo impazzire il mondo dei social. Questa ha un nome e cognome: Aitana Lopez. La splendida venticinquenne spagnola dalla caratteristica chioma rosa, e con un profilo Instagram da oltre 120.000 follower.

Rubeñ Cruz, fondatore e direttore creativo dell'agenzia di modelle “The Clueless. Cruz” ha avuto l'idea di creare una modella interamente artificiale.
In un momento di difficoltà lavorativa si è accorto che molti progetti fallivano per motivi indipendenti dalla propria volontà, spesso legati alle modelle stesse ed al loro comportamento imprevedibile. Pertanto ha progettato di realizzare una modella ideale da poter gestire completamente in autonomia.

Così, grazie agli avanzamenti dell'intelligenza artificiale, ed a un mix ben studiato di bellezza, sensualità, e di tratti caratteriali intriganti, è nata Aitana Lopez, 25 enne modella spagnola, bella, passionale, amante del fitness e dei videogames: la perfetta donna 2.0.















https://www.youtube.com/watch?v=DeCr2J6TBEg

https://www.youtube.com/watch?v=DjpiuM9zzms

https://www.youtube.com/watch?v=HUIcyW7JZHY

Crosshead, nel suo lungo intervento ha scritto:
"Mi è più chiara la creazione dell'intelligenza artificiale che sta facendo impazzire il mondo dei social. Questa ha un nome e cognome: Aitana Lopez. La splendida venticinquenne spagnola dalla caratteristica chioma rosa, e con un profilo Instagram da oltre 120.000 follower."

Ha aggiunto alla sua discettazione quattro foto completamente inutili, anche se gradevoli. Ma qui non siamo su una rivista di gossip o di moda.


Gentile Utente, io non ho niente contro di lei, ci mancherebbe! Però questa è la seconda volta che lei va OT.

Vorrei che in futuro, se proprio gradisse intervenire ancora - e non ho nulla in contrario - restasse in tema, per cortesia. Nel suo intervento non vedo neanche una volta la parola "ferrovia" o la parola "treno", quindi mi farebbe cosa gradita, e lo dico senza polemica personale (perché le confermo la mia stima, qualora le facesse piacere saperlo), se la cosa non si ripetesse. Grazie! Pierpaolo

Il ruolo dell’Intelligenza Artificiale
nel miglioramento della manutenzione dell’infrastruttura ferroviaria

L’Intelligenza Artificiale (IA) è diventata parte integrante di vari settori industriali e il settore ferroviario non fa eccezione. Negli ultimi anni, l’IA è sempre più utilizzata per migliorare la manutenzione dell’infrastruttura ferroviaria, rivoluzionando il modo in cui vengono individuati e affrontati i difetti. Questo articolo esplora il ruolo dell’IA nella trasformazione della manutenzione dell’infrastruttura ferroviaria e il suo impatto sull’industria.

Tradizionalmente, la manutenzione dell’infrastruttura ferroviaria si basava su ispezioni manuali e controlli di routine. Questi metodi, pur essendo efficaci fino a un certo punto, richiedono molto tempo e spesso sono soggetti ad errori umani. Tuttavia, con l’avvento dell’IA, è emersa una nuova era per il rilevamento dei difetti. Gli algoritmi dell’IA possono analizzare vasti quantitativi di dati raccolti da sensori e telecamere installati lungo le rotaie, consentendo la rilevazione precoce di potenziali difetti.
Uno dei principali vantaggi dell’IA nella manutenzione dell’infrastruttura ferroviaria è la sua capacità di rilevare difetti in tempo reale. Monitorando costantemente l’infrastruttura, i sistemi di IA possono individuare anomalie e avvisare i team di manutenzione prima che un problema minore si trasformi in un problema maggiore. Questo approccio proattivo non solo riduce il rischio di incidenti, ma riduce anche le interruzioni causate da guasti imprevisti.
Inoltre, i sistemi di rilevamento dei difetti dell’IA possono analizzare contemporaneamente dati provenienti da fonti multiple, fornendo una panoramica completa delle condizioni dell’infrastruttura. Integrando dati da sensori, telecamere e altri dispositivi di monitoraggio, gli algoritmi dell’IA possono identificare schemi e correlazioni che potrebbero non essere evidenti agli ispettori umani. Questa visione olistica consente ai team di manutenzione di prioritizzare i loro sforzi e di allocare le risorse in modo più efficiente.
Un altro importante vantaggio dell’IA nella manutenzione dell’infrastruttura ferroviaria è la sua capacità di prevedere i difetti prima che si verifichino. Analizzando dati storici e utilizzando algoritmi di apprendimento automatico, i sistemi di IA possono identificare schemi che precedono determinati tipi di guasti. Questa capacità predittiva consente ai team di manutenzione di adottare misure preventive, come la sostituzione di componenti usurati o ispezioni mirate, riducendo così la probabilità di costosi guasti.
Inoltre, l’IA può ottimizzare i programmi di manutenzione in base alle reali condizioni dell’infrastruttura. Le pratiche di manutenzione tradizionali spesso si basano su intervalli fissi, indipendentemente dall’usura effettiva dell’infrastruttura. L’IA, d’altra parte, può regolare dinamicamente i programmi di manutenzione in base ai dati in tempo reale, garantendo che le risorse siano allocate dove più ne hanno bisogno. Questo approccio non solo risparmia tempo e denaro, ma estende anche la durata dell’infrastruttura.
L’implementazione dell’IA nella manutenzione dell’infrastruttura ferroviaria non elimina la necessità di conoscenze umane. Al contrario, potenzia i team di manutenzione fornendo loro informazioni accurate e tempestive. Automatizzando compiti di routine e semplificando l’analisi dei dati, l’IA consente agli ispettori umani di concentrarsi su aspetti più complessi e critici della manutenzione. Questa collaborazione tra esseri umani e IA crea una sinergia che migliora l’efficienza complessiva ed efficacia della manutenzione dell’infrastruttura ferroviaria.

In conclusione, l’IA ha rivoluzionato la manutenzione dell’infrastruttura ferroviaria consentendo il rilevamento dei difetti in tempo reale, l’analisi predittiva e la pianificazione della manutenzione ottimizzata. Sfruttando la potenza degli algoritmi di IA, gli operatori ferroviari possono garantire la sicurezza e l’affidabilità delle loro reti riducendo al minimo le interruzioni e i costi. Con il continuo sviluppo dell’IA, il suo ruolo nel miglioramento della manutenzione dell’infrastruttura ferroviaria diventerà ancora più significativo, plasmando il futuro del settore.